JP2019500226A - ロボットおよびロボット操作方法 - Google Patents

Abstract

【選択図】図１

Description

本発明は、ロボットを操作する方法に関し、本ロボットは、アクチュエータによって駆動可能な可動要素を備え、当該可動要素により動作Ｂを行うよう設計される。

周知のように、予め定義されたタスクを実行するセクターにおいて、ますますロボットが用いられるようになってきており、ロボットは、例えば、ロボットアームなどの可動要素によって動作Ｂを行い、その過程で、機械的に環境との相互作用を行う。環境との相互作用により、とりわけ力および／またはトルク、また、例えば、熱、電気または磁気フィールドなど、その他の物理的パラメータが、環境を介して可動要素に伝えられる。

環境には、静的または動的な物体が含まれる。特に、環境は、ロボットの可動要素と相互作用する人間であることがある。この過程において、様々なタスクを実行するために、ロボットは、アクチュエータによって駆動される可動要素で複数の異なる動作Ｂを行ってもよく、動作Ｂは、それぞれが個々に環境との相互作用とを含んでいる。本事例では、「相互作用」という語句は、タスクに適した動作Ｂを実行する場合に起こるロボットの環境との（通常は機械的な）相互作用を指す。「相互作用」は、例えば、予め定義された動作Ｂの実行中の可動要素への、予め定義された範囲の力の入力、トルク入力、熱入力、パルス入力、放射線入力などによって定義される。

本発明の目的は、ロボットを操作する方法およびロボットを提供することであり、これらはいずれも、動作Ｂの実行中に、環境および人間との相互作用において、望ましい相互作用と望ましくない相互作用とを区別することができ、それに応じて可動要素を作動させることができる。

本発明は、独立請求項の特徴に由来するものである。好都合な発展形および構成は、従属請求項の主題である。本発明の追加的な特徴、適用可能性、および利点は、以下の説明および図に示す本発明の実施形態の説明に由来するものである。

Ｎ個のアクチュエータＡＫＴ_ｎとＭ個の可動要素ＥＬＥ_ｍの数は、同一（Ｎ＝Ｍ）である必要はない。ロボットの設計に応じて、Ｎ＞ＭまたはＮ＜Ｍである。適用例の多くでは、例えば、可動要素ＥＬＥ_ｍがロボットアームを形成するとき、Ｎ＝Ｍであってもよい。

アクチュエータＡＫＴ_ｎは、例えば、電気モータ、リニアモータ、圧電素子、空気モータ、油圧モータ、ハイブリッド駆動機等である。可動要素ＥＬＥ_ｍは、例えば、ロボットアームのアーム部材（好ましくは、任意に設けられたエンドエフェクタを含む）である。

好ましくは、要素ＥＬＥ_ｍの動作Ｂは、個々の可動要素ＥＬＥ_ｍ（好ましくは、エンドエフェクタを含む）の位置変化（位置および／または方向）の時間経過を示す軌跡によって定義される。これに換えて、またはこれに加えて、動作Ｂは、追加パラメータ、例えば、要素ＥＬＥ_ｍの速度および／もしくは加速度、アクチュエータＡＫＴ_ｎによって生成されて要素ＥＬＥ_ｍに作用する力および／もしくはトルク、ならびに／またはアクチュエータＡＫＴ_ｎを作動させる電流および／もしくは電圧等により定義されてもよい。環境に対する要素ＥＬＥ_ｍの相互作用は、好ましくは、外力および／または外圧および／または外部トルクにより取得または定義され、これらは個々の要素ＥＬＥ_ｍに作用する。環境に対する要素ＥＬＥ_ｍの相互作用の記述は、好ましくは、環境と要素との間の物理的相互作用（＝相互作用）のそれぞれに応じて選択される。この相互作用は、例えば、機械的相互作用、放射の相互作用、熱伝導、電流フロー、電圧発生等との相互作用を含む。

好ましくは、環境（例えば、外部より加えられる力および／またはトルクおよび／または圧力および／または熱伝導および／または電流フロー）に対するその相互作用を含む動作Ｂおよび要素ＥＬＥ_ｍの動作Ｂを特徴づけるために、ふさわしい相互作用を主として定義するパラメータの最大偏差は、予め定義されている。

反応運動としては、例えば、回避運動、すなわち以前の動作Ｂの変更もしくは、それまで行われていた動作Ｂの停止、または個々の要素ＥＬＥ_ｍの運動の停止、または別の制御モードへの切り替えなどが考えられる。

提案される方法は、特に、動作Ｂの実行中、ロボットの環境との望ましい相互作用を望ましくない相互作用と区別し、それに応じて可動要素ＥＬＥ_ｍ、または、これらを実際に起きている相互作用を特徴づける機能として駆動するアクチュエータＡＫＴ_ｎを制御することを可能とする。

また、提案される方法は、例えば、要素ＥＬＥ_ｍによる動作Ｂの乱れのない実行に加えて、ロボットの環境に対する要素ＥＬＥ_ｍの相互作用も考慮した、タスク依存の接触閾値および信号プロファイルの自動表示を可能とする。

これにより、動作Ｂの実行についての誤った構成、および現在の動作Ｂの実行におけるエラーが、オンラインで識別され、分類される。

動作Ｂの操作的、すなわち通常の、実行の場合、本方法は、こうして実質的にオブザーバーとして機能し、タスク／移動経路および環境のタスクに干渉する必要なく、容易に複雑な操作タスクに統合可能となる。

人間とロボットとの複雑な相互作用の解析モデリングは、ほとんど不可能である。したがって、好ましくは、タスクに適した動作Ｂの正確な実行により得られた検証された経験的なデータとともに、既存の解析モデルとリンクする確率的なモデリングが提案される。かかるモデルは、例えば、信頼区間などによる統計的表示によってシステムプロパティを取得する。好ましくは、提案される方法において、確率的アプローチによるエラーの検出および分離が行われる。これにより、例えば、決定木または線形分類モデルなどの統計的学習方法を含む大規模な方法構築セットを使用することが可能となる。

また、提案される方法は、用いられる方法がタスク固有の方法でパラメータ化される場合には、類似の動作Ｂ間で転換されてもよい。また、提案される方法は、用いられる方法がロボット固有の方法でパラメータ化される場合には、ロボットカテゴリーの間で転換されてもよい。

また、本発明の目的は、データ処理装置を有するコンピュータシステムにより実現され、このデータ処理装置は当該データ処理装置上で上記の方法が行われるよう構成される。

加えて、本発明の目的は、電気的に読み取り可能な制御信号を有するデジタル記憶媒体により実現され、この制御信号は上記の方法が行われるようにプログラム可能なコンピュータシステムと相互作用を行う。

また、本発明の目的は、機械可読媒体に格納されたプログラムコードであって、データ処理装置で実行されると、上記の方法を行うプログラムコードを有するコンピュータプログラムプロダクトにより実現される。

また、本発明は、データ処理装置で実行されると、上記の方法を行うプログラムコードを有するコンピュータプログラムに関する。このため、データ処理装置は、先行技術により周知の任意のコンピュータシステムとして構成することができる。

以下、本方法の一般的な例を説明する。原則として、本方法は、以下の基本ステップを含む。第１のステップにおいて、好ましくは、ロボットの環境に対する関連付けられた基準相互作用を含む基準動作Ｂを複数回実行することによって基準信号を生成する。この過程で、タスクに依存した形で、実行中の動作におけるタスク関連基準信号の記録、および好ましくは、基準信号の予備処理が行われる。具体的には、例えば、以下を含んでもよい。
・環境に対する関連付けられた基準相互作用を含む基準動作Ｂを複数回実行する際の、外部トルクおよび要素ＥＬＥ_nの速度についてのデータの記録。
・不足データポイントの補間。
・同じ基準動作Ｂについて取得した異なるデータセットの位置付け、および当該データセットにおける情報の豊富なポイントの識別。

その後、適応的手法によるモデリングを行う。これは、例えば、モデリング方法のタスク依存および信号依存の選択、選択した適応的手法への以前に取得した基準信号の転換、実行されている動作中におけるモデルの使用の視点からの信号面でのモデルの生成、を含む。具体的には、以下を含んでもよい。
・取得した基準信号に基づく、適応的モデリング処理としてのガウス過程の選択。
・モデリングおよび評価ステップにおける計算の労力を低減するための用途指定方法。
・指定された基準信号のガウス過程の適用によるモデルの生成。
追加ステップでは、実行されているロボットの動作中に検出システムによって取得された信号の確認が行われる。好ましくは、これは、いわゆる「障害の検出と分離（ＦＤＩ）」方法の実行を含む。動作Ｂの実行中、検出システムにより現在取得されている信号の連続的なモニタにより、環境に対する許容された相互作用を含む動作Ｂの通常のケースとエラーケースとを区別することが可能となる。具体的には、以下を含んでもよい。
・ガウス過程による、速度に関連する外部トルク信号のモニタ。例えば、通常の動作コースＢに関連付けるためには、信号は、信号のモデル予測の周囲で９９％の信頼区間である必要がある。そうでなければ、状況はエラーケースと解釈され、タスクの実行は中止される。

別のステップにおいて、エラーケースの分類を行う。具体的には、以下を含んでもよい。分類アルゴリズムにより、エラーの原因をより正確に絞り込むことができ、これによってタスクの文脈における信号偏差の解釈の可能性が与えられる。

また、この目的は、上記の方法を行うよう設計され実施されるロボットによって実現される。

さらなる利点、特徴、および詳細は以下の説明に由来し、少なくとも１の例示的実施形態を任意に図面を参照して詳細に説明する。同一、類似、および／または機能的に等価な要素には、同一の参照符号が与えられる。

図１は、提案される方法の手順の流れ図である。

本方法は、以下のステップを含む。

以上、好適な例示的実施形態によって、本発明を詳細に説明したが、本発明は、開示された例によって限定されるものではなく、当業者には、本発明の保護の範囲を逸脱することなく、その他の変形例を導くことができる。したがって、多数の変形例が存在し得ることは明らかである。また、例えば、上記の実施形態が実際には例を示すに過ぎず、例えば、保護の範囲、適用可能性、本発明の構成を限定するものとして解釈されるべきではないことも明らかである。むしろ、上記の説明や図の説明は、当業者が具体的に例示的実施形態を実施することを可能とするものであり、開示された本発明の知識を持つ当業者には、機能または構成に関して、請求項により定義される保護の範囲を逸脱することなく、上記の各要素の例示的実施形態に様々な変更を行うことが可能である。

Claims (10)

1. 
2. 
3. 
4. 
5. 
6. 前記統計的モデルは、隠れマルコフモデルＨＭＭ、および／またはサポートベクターマシンＳＶＭ、および／または神経回路網を含む、請求項１〜５のいずれか一項に記載の方法。
7. 
8. 
9. 
10. ロボットであって、
    請求項１〜９のいずれか一項に記載の方法を実行するよう構成され実施される、ロボット。

Images